Bootstrapping is a statistical meth

Bootstrapping is a statistical method for estimating the sampling distribution of an estimator by sampling with replacement from the original sample". The method assigns measures of accuracy (defined in terms of bias, variance, confidence intervals, prediction error or some other such measure) to sample estimates.

The basic idea of bootstrapping is that inference about a population from sample data (sample → population) can be modeled by resampling the sample data and performing inference on (resample → sample). As the population is unknown, the true error in a sample statistic against its population value is unknowable. In bootstrap-resamples, the 'population' is in fact the sample, and this is known; hence the quality of inference from resample data → 'true' sample is measurable.

ผลลัพธ์ (ไทย) 1:

Bootstrapping ได้วิธีการทางสถิติสำหรับการประเมินการกระจายสุ่มของการประมาณโดยการสุ่มตัวอย่างโดยเปลี่ยนจากเดิม" วิธีการกำหนดมาตรการของความถูกต้อง (กำหนดความโน้มเอียง ผลต่าง ช่วงความเชื่อมั่น ข้อผิดพลาดในการทำนาย หรือบางอื่น ๆ เช่นวัด) ให้ประเมินตัวอย่างความคิดพื้นฐานของ bootstrapping เป็นที่สามารถจำลองข้อเกี่ยวกับประชากรจากตัวอย่างข้อมูล (ประชากร→ตัวอย่าง) โดยการเปลี่ยนความละเอียดของข้อมูลตัวอย่าง และทำข้อบน (resample →ตัวอย่าง) เป็นประชากรที่ไม่รู้จัก พลาดจริงในสถิติตัวอย่างกับค่าของประชากรคือ unknowable ใน bootstrap-resamples "ประชากร" คือ ตัวอย่างในความเป็นจริง และนี้เป็นที่รู้จัก กัน ดังนั้น คุณภาพของข้อจากตัวอย่าง 'จริง' →ข้อมูล resample เป็นวัด

ผลลัพธ์ (ไทย) 2:

ร่วมมือเป็นวิธีการทางสถิติสำหรับการประเมินการกระจายการสุ่มตัวอย่างของประมาณการโดยการสุ่มตัวอย่างด้วยการเปลี่ยนจากตัวอย่างเดิม ". วิธีการกำหนดมาตรการของความถูกต้อง (ตามที่กำหนดในแง่ของอคติแปรปรวนช่วงความเชื่อมั่นข้อผิดพลาดการทำนายหรืออื่น ๆ ในมาตรการดังกล่าว) เพื่อ ประมาณการตัวอย่าง. แนวคิดพื้นฐานของความร่วมมือคือการอนุมานที่เกี่ยวกับประชากรจากข้อมูลตัวอย่าง (ตัวอย่างประชากร→) สามารถจำลองโดย resampling ข้อมูลตัวอย่างและมีประสิทธิภาพในการอนุมาน (resample ตัวอย่าง→). ในฐานะที่เป็นประชากรที่ไม่เป็นที่รู้จักจริงในข้อผิดพลาด สถิติตัวอย่างค่ากับประชากรของมันคือหยั่งรู้ในบูต-resamples, 'ประชากรในความเป็นจริงตัวอย่างและเป็นที่รู้จักกัน. ดังนั้นคุณภาพของการอนุมานจากข้อมูล resample →' ความจริง 'เป็นตัวอย่างที่วัด

ผลลัพธ์ (ไทย) 3:

bootstrapping คือ วิธีการทางสถิติสำหรับการประมาณและการกระจายของการประมาณการ โดยการสุ่มตัวอย่างแทน จากตัวอย่างเดิม วิธีการกำหนดมาตรการของความถูกต้อง ( ที่กำหนดไว้ในข้อตกลงของอคติ ความแปรปรวน ความเชื่อมั่น การทำนายผิดพลาดหรือบางอื่น ๆเช่นวัด )

ตัวอย่างประมาณแนวคิดพื้นฐานของ bootstrapping คือการอนุมานเกี่ยวกับประชากรจากข้อมูลกลุ่มตัวอย่าง ( ประชากรตัวอย่าง→ keyboard - key - name ) สามารถแบบสุ่มซ้ำข้อมูลตัวอย่างและการอนุมาน ( resample → keyboard - key - name ตัวอย่าง ) เป็นประชากรที่ไม่รู้จักข้อผิดพลาดที่แท้จริงในตัวอย่างสถิติกับค่าของประชากรก็ไม่อาจเข้าใจ ในบูท resamples , ' ' ในความเป็นจริงประชากรตัวอย่าง และนี้คือว่าดังนั้นคุณภาพของการอนุมานจากข้อมูล resample → keyboard - key - name ' จริง ' ตัวอย่างที่สามารถวัดได้